CN106952842B - 取样量测系统及其取样量测方法 - Google Patents
取样量测系统及其取样量测方法 Download PDFInfo
- Publication number
- CN106952842B CN106952842B CN201610006634.7A CN201610006634A CN106952842B CN 106952842 B CN106952842 B CN 106952842B CN 201610006634 A CN201610006634 A CN 201610006634A CN 106952842 B CN106952842 B CN 106952842B
- Authority
- CN
- China
- Prior art keywords
- batch
- product
- measurement
- data
- scheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
Abstract
一种取样量测系统及其取样量测方法,本发明通过预先设定第一量测方案和第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率,在判断所述批次在制品是高风险批次在制品,并且判断量测产能充足时,采用取样率较大的第一量测方案,能够及时了解工艺表现,降低产品报废率,提高制造良品率;在判断所述批次在制品不是高风险批次在制品,或者判断量测产能不足时,采用取样率较小的第二量测方案,以缩短产品生产周期。因此本发明可以基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估。根据所述批次在制品的工艺风险高低,选择采用不同采样率的量测方案,能够兼顾缩短产品生产周期和及时反馈工艺表现的要求。
Description
技术领域
本发明涉及半导体制造领域,特别涉及一种取样量测系统及其取样量测方法。
背景技术
随着器件尺寸的减小,半导体集成电路制造过程的复杂性不断提高,同时工业竞争的压力使产品走向市场的时间越来越重要。因此对于半导体集成电路产品生产周期(Cycle Time)和生产成本的控制对于晶圆代工厂(FAB)而言至关重要。因此采用科学有效的工艺管控方法以帮助快速侦测并改进异常工艺表现对于晶圆代工厂而言是非常有价值的。
在半导体集成电路的制造过程中,工艺流程中的工序有很多种类,包括制造工序和量测工序,其中量测工序的目的是对在制的晶圆(Wafer)进行量测并分析量测数据,以检验生产制造过程中的晶圆是否符合质量要求,并监控晶圆生产过程是否正常。通过在量测工序中采用高效的取样方案能够快速检测工艺偏离,及时了解工艺表现,以采取优质的改进和预防措施。高效的取样量测系统能够有效提高制造过程的良品率、降低产品报废率、改善机台利用率。
但是现有技术中的取样量测系统往往存在调整滞后性,造成资源浪费。
发明内容
本发明解决的问题是提供一种采用量测系统及其取样量测方法,以及时反馈工艺问题,避免资源浪费。
为解决上述问题,本发明提供一种取样量测系统,包括:
获取批次在制品,并根据所述批次在制品获取所述批次在制品的量测信息;基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足;在判断所述量测产能充足时,采用预设的第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;在判断所述批次在制品不是高风险批次在制品时,采用预设的第二量测方案;所述第一量测方案中取样率大于所述第二量测方案中的取样率。
相应的,本发明还提供一种取样量测方法,包括:
获取装置,用于获取批次在制品,并根据所述批次在制品,获得所述批次在制品的量测信息;风险评估装置,与所述获取装置相连,用于获取所述批次在制品的量测信息;用于存储历史量测数据、历史异常数据以及暂存量测数据;所述风险评估装置还用于基于所述批次在制品的量测信息,结合历史量测数据、历史异常数据以及暂存量测数据,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;方案选择装置,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率;与所述风险评估装置相连,用于获取所述风险评估装置对所述批次在制品工艺风险的评估结果;所述方案选择装置用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
与现有技术相比,本发明的技术方案具有以下优点:
本发明通过预先设定第一量测方案和第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率,在判断所述批次在制品是高风险批次在制品,并且判断量测产能充足时,采用取样率较大的第一量测方案,能够及时了解工艺表现,降低产品报废率,提高制造良品率;在判断所述批次在制品不是高风险批次在制品,或者判断量测产能不足时,采用取样率较小的第二量测方案,以缩短产品生产周期。因此本发明可以基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估。根据所述批次在制品的工艺风险高低,选择采用不同采样率的量测方案,能够兼顾缩短产品生产周期和及时反馈工艺表现的要求。
本发明可选方案中,在采用取样率较高的第二量测方案时,还可以产生提醒信号,以提醒相关工程师及时采取改进措施,避免工艺问题扩大,降低产品报废率,提高制造良品率,还可以降低后续批次在制品的工艺风险,缩短后续批次在制品取样率,缩短产品生产周期。
附图说明
图1是现有技术中半导体器件生产过程中的片段流程图;
图2至图6是本发明所提供取样量测方法一实施例的流程示意图;
图7和图8是本发明所提供取样量测系统一实施例的功能框图。
具体实施方式
由背景技术可知,现有技术中的取样量测系统存在调整滞后的问题。现结合现有技术中取样量测系统的取样方法分析其调整滞后问题的原因:
参考图1,示出了现有技术中半导体器件生产过程中的片段流程图。
现有技术中,晶圆按照预先设定好的工艺流程依次执行每一道工序。其中工序步骤S10和工序步骤S20是前后衔接的任意两个相邻的半导体工艺步骤。在工序步骤S10之后,工序步骤S20之前,进行量测步骤Sm,对在制品进行量测,以判断工序步骤S10之后的在制品是否合格,量测合格的在制品进入后续的工艺步骤S20进行生产。
在量测步骤Sm中,通过对同类批次在制品进行取样量测能够提高量测效率,缩短产品生产周期。现有技术中,量测步骤Sm的取样方案是在确定产品并确定产品制造工艺流程的初始阶段既已确定,之后根据一段时间的工艺流程具体情况再人工调整取样频率。这种方法在工艺出现潜在问题时无法及时反馈,产线调整出现滞后性,容易造成资源浪费。
为解决所述技术问题,本发明提供一种取样量测方法,包括:
获取批次在制品,并根据所述批次在制品获取所述批次在制品的量测信息;基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足;在判断所述量测产能充足时,采用预设的第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;在判断所述批次在制品不是高风险批次在制品时,采用预设的第二量测方案;所述第一量测方案中取样率大于所述第二量测方案中的取样率。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参考图2至图6,示出了本发明取样量测方法一实施例的流程示意图。
如图2所示,首先执行步骤S100,获取批次在制品,并根据所述批次在制品获取所述批次在制品的量测信息。
所述取样量测方法用于对同类批次(lot)在制品(Work In Process,WIP)进行取样量测。具体的,可以通过量测机台执行步骤S100,获取批次在制品,并根据所述批次在制品获取所述量测信息。
所述量测方法对所述批次在制品的量测范围可以覆盖整个半导体生产过程的各种步骤。具体的,所述量测方法可以对所述批次在制品进行厚度量测(ThicknessMetrology)、关键尺寸量测(Critical Dimension Measurement)以及对准量测(OverlayMeasurement),其中厚度量测包括光学特征尺寸(Optical Critical Dimension,OCD)、厚度(Thickness)以及深度(Depth)的量测。本实施例中,所述取样量测方法用于对所述批次在制品中有源区光刻的关键尺寸进行量测。
接着,执行步骤S200,基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品。
需要说明的是,所述量测信息可以包括影响因子触发信号、实时量测数据和关键工艺信息。具体的,通过判断所述批次在制品工艺流程中是否存在工艺影响因子以及评价所述批次在制品工艺流程的工艺能力,从而实现对所述批次在制品的工艺风险评估,以判断所述批次在制品是否为高风险批次在制品。
参考图3,示出了执行步骤S200的流程图。
对所述批次在制品进行工艺风险评估的步骤包括:
首先执行步骤S210,根据所述影响因子触发信号判断所述批次在制品的工艺流程中是否存在工艺影响因子,在所述批次在制品的工艺流程中存在工艺影响因子时,直接执行步骤S230a,判断所述批次在制品为高风险批次在制品。
具体的,所述工艺影响因子包括:机台定期维护(Periodical Maintain,PM)、异常事件及故障信号,工艺不确定性。其中,当机台在定期维护之前,由于长时间的使用会使机台工艺的准确性下降,会使经机台处理的在制品的工艺风险较高;当机台在定期维护之后,由于定期维护的扰动,会使机台的工艺稳定性出现变化,从而使经机台处理的在制品的工艺风险较高;在制造过程中发生的异常事件以及机台、产线的各种故障会提高在制品的工艺风险;此外,在制造过程中由于各种原因会存在各种不同的工艺不确定性,工艺不确定性的存在也会使所述批次在制品的工艺风险提高。
当所述批次在制品在制造过程中出现工艺影响因子时,会形成影响因子触发信号,因此可以根据量测信息中是否存在所述影响因子触发信号判断所述批次在制品的工艺流程中是否存在工艺影响因子。当所述量测信息中存在所述影响因子触发信号时,表示所述批次在制品存在工艺影响因子,执行步骤S230a,判断所述批次在制品为高风险批次在制品。
在所述批次在制品的工艺流程中不存在工艺影响因子时,执行步骤S220,根据历史量测数据、历史异常数据以及暂存量测数据,结合所述实时量测数据和关键工艺信息,评价所述批次在制品工艺流程的工艺能力。
需要说明的是,所述取样量测系统用于对同类批次在制品进行取样量测,为了使所述取样量测系统对量测方案的选择能够与具体工艺表现相符,所述历史量测数据和所述暂存量测数据是通过直接存储历史量测过程中的数据而获得。
因此结合参考图2,在获取所述批次在制品的步骤之前,所述取样量测方法还包括:执行步骤S001,获得并存储历史量测数据、历史异常数据以及暂存量测数据,所述历史异常数据包括异常发生次数和异常影响片数,所述暂存量测数据为预设数量批次在制品的量测数据。
所述历史量测数据为收集一段时间(如一年)内量测数据而获得的。因此通过收集存储一段时间内历史量测过程中获得的所述量测数据,以获得所述历史量测数据。
所述暂存量测数据为预设数量的批次在制品的量测数据。
具体的,获得所述暂存量测数据的步骤包括:首先,设定暂存量测数据的批次数量。具体的,在确定产品及其制造流程时,根据所述产品及其制造工艺,设定暂存量测数据的批次数量L。
之后,对所述批次数量的批次在制品进行量测,获得实时量测数据,作为暂存量测数据。具体的,对所述批次数量的批次在制品进行量测的步骤包括:对所述同类批次在制品最先的L批次在制品进行逐个量测,以获得所述暂存量测数据。
此外,本实施例中,为了能够及时反馈工艺表现,获得所述暂存量测数据的步骤还包括根据所述实时量测数据对所述暂存量测数据进行更新。具体的,在取样量测过程中,在获得所述实时量测数据后,还根据所述实时量测数据对所述暂存量测数据进行实时更新。也就是说,在取样量测过程中,所述暂存量测数据为最近数量批次在制品的量测数据。
本实施例中,在确定产品以及制造流程时,根据所述产品及其制造流程,所述暂存量测数据的批次数量L设定为30,也就是说,首先对同类在制品前30批次在制品进行逐个量测以获得最初的暂存量测数据。后续在取样量测过程中,每次获得所述实时量测数据后,均根据所述实时量测数据对所述暂存量测数据进行更新。也就是说,在取样量测过程中,所述暂存量测数据为最近30批次在制品中有源区光刻的关键尺寸。因此所述暂存量测数据能够实时反映工艺表现,以快速检测工艺偏离,及时了解工艺表现,降低产品报废率,提高制造良品率。
评价所述批次在制品工艺流程的工艺能力步骤中,根据所述批次在制品工艺流程的工艺能力指数(Process Capability Index,CPK)评价所述批次在制品工艺流程的工艺能力。所述工艺能力指数用于反映工艺步骤满足产品技术要求(公差、规格等质量标准)的程度。工艺能力指数值越大,表示产品相对于技术标准的离散程度的公差范围越小,表示工艺步骤能力越强;工艺能力指数越小,表示产品相对于技术标准的离散程度的公差范围越大,表示工艺步骤的能力越强。
具体的,参考图4,示出了图3中执行步骤S220的流程图。
评价所述批次在制品工艺流程的工艺能力的步骤包括:
首先执行步骤S221,根据所述实时量测数据和暂存量测数据,获得实时工艺能力指数CPKr。
本实施例中根据所述批次在制品中有源区光刻的关键尺寸以及之前30个批次在制品中有源区光刻的关键尺寸获得所述有源区光刻工艺的实时工艺能力指数CPKr。需要说明的是,所述实时工艺能力指数CPKr的具体计算方法与现有技术中工艺能力指数CPK的计算方法相同,本发明在此不再赘述。
执行步骤S222,根据所述历史量测数据和历史异常数据,结合关键工艺信息,获得参考工艺能力指数CPKref。
所述参考工艺能力指数CPKref是根据历史量测数据,并结合相关工艺步骤以及工艺步骤的异常情况进行分析而获得的参考基准值。需要说明的是,所述历史异常数据包括异常发生次数和异常影响片数,所述异常发生次数表示所述批次在制品制造过程中发生异常情况的次数,所述异常影响片数表示所述批次在制品制造过程中异常情况发生所影响晶圆的片数。
具体的,结合参考图5,示出了图4中步骤S222的流程图。
执行步骤S222a,根据所述关键工艺信息,设定工艺权重因子,所述工艺权重因子用于表示与所述实时量测数据相对应的工艺是否为关键工艺。
所述关键工艺信息为基于技术控制计划(Technology Control Plan,TCP)和失效模式及后果分析(Failure Mode and Effects Analysis,FMEA)定义所述批次在制品中对产品工艺及质量影响较大的膜层为关键膜层(Key Layer)。当所量测的膜层为关键膜层时,与所述实时量测数据相对应的工艺为关键工艺。
首先设置数值不等的第一工艺权重因子与第二工艺权重因子。接着根据所述关键工艺信息,判断与所述实时量测数据相对应的工艺是否为关键工艺,在判断与所述实时量测数据相对应的工艺为关键工艺时,设定工艺权重因子k1为第一工艺权重因子,在判断所述批次在制品不具有关键工艺时,设定工艺权重因子k1为第二工艺权重因子。
当与所述实时量测数据相对应的工艺为关键工艺时,所述工艺能力对所述批次在制品的良品率影响更大,所以第一工艺权重因子大于所述第二工艺权重因子。具体的,所述第一工艺权重因子比所述第二工艺权重因子大10%到20%。本实施例中,所述第二工艺权重因子为1,所述第一工艺权重因子为1.1。
本实施例中,在所述批次在制品中,所述有源区光刻工艺不是关键工艺。因此所述工艺权重因子设定为1。
执行步骤S222b,根据所述异常发生次数,设定次数权重因子,所述次数权重因子用于表示所述批次在制品制造过程中发生异常情况的次数对所述工艺能力的影响。
所述历史异常数据是指所述批次在制品在制程过程中,所述制造执行系统中所产生的异常状况(例如机台故障等会对半导体制程产生风险的状况),具体包括表示所述异常状况发生次数的异常发生次数。
需要说明的是,预先设定第一次数和第二次数,其中第一次数小于所述第二次数,当所述异常情况发生次数少于或等于所述第一次数表示所述在制品制程中异常情况极少发生;当所述异常情况发生次数多余所述第二次数时表示所述在制品制程中异常情况经常发生。
具体的,通过比较所述异常发生次数与所述第一次数、所述第二次数的相对大小,判断所述批次在制品制程中异常情况发生的频繁情况,异常情况发生越频繁,异常情况对所述工艺能力的影响越大,所述次数权重因子k2越大。
当所述异常发生次数小于或等于所述第一次数时,设定次数权重因子k2为预设的第一次数权重因子;当所述异常发生次数大于所述第一次数,而小于或等于第二次数,设定次数权重因子k2为预设的第二次数权重因子;当所述异常发生次数大于所述第二次数时,设定次数权重因子k2为预设的第三次数权重因子。所述第一次数权重因子小于所述第二次数权重因子,所述第二次数权重因子小于所述第三次数权重因子。具体的,所述第二次数权重因子可以为1,所述第一次数权重因子可以比所述第二次数权重因子小10%到20%,所述第三次数权重因子可以比所述第二次数权重因子大10%到20%。
本实施例中,所述第一次数为0次,所述第二次数为3次;所述第二次数权重因子为1,所述第一次数权重因子为0.9,所述第三次数权重因子为1.1。具体的,所述批次在制品有源区光刻过程中异常情况发生次数为0次,因此所述次数权重因子k2为0.9。
执行步骤S222c,根据所述异常影响片数,设定片数权重因子,所述片数权重因子用于表征所述批次在制品制造过程中异常情况发生影响晶圆片数对所述工艺能力的影响。
类似的,预先设定第一片数和第二片数,其中第一片数小于所述第二片数,当所述异常影响片数小于或等于所述第一片数时表示所述批次在制品制程中所发生的异常情况的影响范围较小;当所述异常影响片数大于或等于所述第二片数时表示所述批次在制品制程中所发生的异常情况的影响范围较大。
具体的,通过比较所述异常影响片数与所述第一片数、所述第二片数的相对大小,判断所述批次在制品制程中发生异常情况的影响范围,影响范围越大,异常情况对所述工艺能力的影响越大,所述片数权重因子k3越大。
当所述异常影响片数小于或等于所述第一片数时,设定所述片数权重因子k3为预设的第一片数权重因子;当所述异常影响片数大于所述第一片数,而小于第二片数时,设定所述片数权重因子k3为预设的第二片数权重因子;当所述异常影响片数大于或等于所述第二片数时,设定所述片数权重因子k3为预设的第三片数权重因子。所述第一片数权重因子小于所述第二片数权重因子,所述第二片数权重因子小于所述第三片数权重因子。具体的,所述第二片数权重因子可以为1,所述第一片数权重因子可以比所述第二片数权重因子小10%到20%,所述第三片数权重因子可以比所述第二片数权重因子大10%到20%。
本实施例中,所述第一片数为25片,所述第二片数为200片;所述第二片数权重因子为1,所述第一片数权重因子为0.9,所述第三片数权重因子为1.1。具体的,所述批次在制品有源区光刻过程中异常影响片数为10片,因此所述片数权重因子设定为0.9。
需要说明的是,预先设定的第一次数和第二次数以及预先设定的第一片数和第二片数与所述批次在制品及其具体工艺流程以及与机台工艺能力、产线工艺能力等具体情况相关。本实施例中所采用的具体设定仅为示例,本发明对此不做限制。
此外,还需要说明的是,所述第一次数权重因子、第二次数权重因子和第三次数权重因子,以及第一片数权重因子、第二片数权重因子和第三片数权重因子的具体大小与所述批次在制品及其具体工艺流程以及机台工艺能力、产线工艺能力等具体情形相关。本实施例中,所采用的具体设置仅为示例,本发明对此也不做限定。
之后执行步骤S222d,根据所述工艺权重因子k1、所述次数权重因子k2以及所述片数权重因子k3,获得工艺能力调整因子k。
所述工艺能力调整因子k用于表示机台、产线等工艺能力的变化对所述批次在制品工艺流程工艺能力的影响。具体的,可以通过所述工艺权重因子k1、所述次数权重因子k2以及所述片数权重因子k3相乘获得工艺能力调整因子k。
本实施例中,所述工艺权重因子k1为1;所述次数权重因子k2为0.9;所述片数权重因子k3为0.9。因此所述工艺能力调整因子k为1×0.9×0.9=0.81。
此外,获得参考工艺能力指数CPKref的步骤还包括:执行步骤S222e,根据所述历史量测数据获得历史工艺能力指数CPKh。
本实施例中,所述历史量测数据为一年内所获得的有源区光刻工艺的关键尺寸,根据所述历史量测数据获得所述历史工艺能力指数CPKh为1.6。需要说明的是,所述历史工艺能力指数CPKh的具体计算方法与现有技术中工艺能力指数CPK的计算方法相同,本发明在此不再赘述。
在获得所述历史工艺能力指数CPKh以及所述工艺能力调整因子k后,执行步骤S222f,根据所述工艺能力调整因子k和所述历史工艺能力指数CPKh,获得参考工艺能力指数CPKref,所述参考工艺能力指数CPKref用于评价所述批次在制品工艺流程的工艺能力。
参考工艺能力指数CPKref作为所述量测系统的参考基准值,用于评价所述批次在制品工艺流程的工艺能力。具体的,根据所述历史工艺能力指数CPKh和所述工艺能力调整因子K的乘积获得所述参考工艺能力指数CPKref。
本实施例中,所述历史工艺能力指数CPKh为1.6;所述工艺能力调整因子K为0.81。因此,所述参考工艺能力指数CPKref为1.6×0.81=1.296。
继续参考图4,在获得所述实时工艺能力指数CPKr和参考工艺能力指数CPKref之后,执行步骤S223,比较所述实时工艺能力指数CPKr和参考工艺能力指数CPKref的相对大小,以评价所述批次在制品工艺流程的工艺能力。
具体的,在所述实时工艺能力指数CPKr大于所述参考工艺能力指数CPKref时,执行步骤S234a,评价所述批次在制品工艺流程的工艺能力较强;在所述实时工艺能力指数CPKr小于所述参考工艺能力指数CPKref时,执行步骤S234b,评价所述批次在制品工艺流程的工艺能力较弱。
继续参考图3,在对所述批次在制品工艺流程的工艺能力做出评价时,根据所述评价结果对所述批次在制品进行工艺风险评估。
具体的,在判断所述批次在制品工艺流程的工艺能力较强时,执行步骤S230b,判断所述批次在制品不是高风险批次在制品;判断评价所述批次在制品工艺流程的工艺能力较弱时,执行步骤S230a,判断所述批次在制品为高风险批次在制品。
继续参考图2,在判断所述批次在制品是高风险批次在制品时,执行步骤S300,判断量测产能是否充足。
需要说明的是,在判断所述批次在制品是高风险批次在制品时,需要提高采样率以及时了解工艺表现,降低产品报废率,提高制造良品率。但是随着取样率的提高,对于量测工艺步骤的产能要求也随之提高,如果量测工艺步骤的产能无法满足高采样率的要求,则会造成所述批次在制品在所述量测工艺步骤前大量排队,使在制品数量增大,造成产品生产周期延长。
因此在判断所述批次在制品是高风险批次在制品后,执行步骤S300,判断量测产能是否充足:在判断所述量测产能充足时,执行步骤S400b,采用第一量测方案;在判断所述量测产能不足时,执行步骤S400a,采用第二量测方案。
结合参考图6,示出了图2中执行步骤S300的流程图。
判断所述量测产能是否充足的步骤包括:
首先执行步骤S310,获取待量测的批次在制品的排队长度。接着执行步骤S320,比较所述排队长度与产能预设值的相对大小。在所述排队长度大于所述产能预设值时,执行步骤S330a,判断所述量测产能不足;在所述排队长度小于所述产能预设值时,执行步骤S330b,判断所述量测产能充足。
在判断所述批次在制品不是高风险批次在制品时,直接执行步骤S400a,采用预设的第二量测方案。
在确定产品及其制造工艺的初始阶段,设定第一量测方案和第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率。本实施例中,具体的,所述第一量测方案中取样率比所述第二量测方案中取样率大10%到20%,而所述第二量测方案中的取样率为现有技术中常规采样率的60%到80%。
因此当所述批次在制品风险较低时,采用取样率较低的所述第二量测方案能够大量减小量测次数,提高量测效率,缩短产品生产周期;当所述批次在制品风险较高,但是量测产能不足时,采用取样率较低的所述第二量测方案以减小量测次数,提高量测效率,避免所述批次在制品在所述两侧步骤前大量排队,能够减少在制品数量;当所述批次在制品风险较高,而且量测产能充足时,采用取样率较高的第一量测方案,能够及时了解工艺表现,降低产品报废率,提高制造良品率。因此本发明可以基于所述批次在制品的工艺风险高低以及量测产能,选择采用不同采样率的量测方案,能够兼顾缩短产品生产周期和及时反馈工艺表现的要求。
继续参考图2,还需要说明的是,在采用高取样率较高的第一量测方案时,所述量测方法还包括:执行步骤S500,产生提醒信号。
具体的,所述提醒信号可以包括提醒邮件,可以通过发送提醒邮件以提醒相关工程师及时采取改进措施,避免工艺问题扩大,降低产品报废率,提高制造良品率,还可以降低后续批次在制品的工艺风险,缩短后续批次在制品取样率,缩短产品生产周期。
相应的,本发明还提供一种取样量测系统,包括:
获取装置,用于获取批次在制品,并根据所述批次在制品,获得所述批次在制品的量测信息;风险评估装置,与所述获取装置相连,用于获取所述批次在制品的量测信息;用于存储历史量测数据、历史异常数据以及暂存量测数据;所述风险评估装置还用于基于所述批次在制品的量测信息,结合历史量测数据、历史异常数据以及暂存量测数据,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;方案选择装置,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率;与所述风险评估装置相连,用于获取所述风险评估装置对所述批次在制品工艺风险的评估结果;所述方案选择装置用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
参考图7和图8,示出了本发明所提供取样量测系统一实施例的功能框图。
如图7所示,所述取样量测系统包括:
获取装置100,用于获取所述批次在制品,并根据所述批次在制品,获得所述批次在制品的量测信息。
所述取样量测系统用于对同类批次(lot)在制品(Work In Process,WIP)进行取样量测。具体的,所述获取装置100可以为量测机台,以获取所述批次在制品,并根据所述批次在制品获取所述量测信息。
所述量测方法对所述批次在制品的量测范围可以覆盖整个半导体生产过程的各种步骤。具体的,所述量测方法可以对所述批次在制品进行厚度量测(ThicknessMetrology)、关键尺寸量测(Critical Dimension Measurement)以及对准量测(OverlayMeasurement),其中厚度量测包括光学特征尺寸(Optical Critical Dimension,OCD)、厚度(Thickness)以及深度(Depth)的量测。本实施例中,所述取样量测系统用于对所述批次在制品第一金属层(M1)刻蚀后的关键尺寸进行量测。
风险评估装置200,与所述获取装置100相连,用于获取所述批次在制品的量测信息;用于存储历史量测数据、历史异常数据以及暂存量测数据;所述风险评估装置200还用于基于所述批次在制品的量测信息,结合历史量测数据、历史异常数据以及暂存量测数据,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品。
需要说明的是,所述获取装置100还用于获得历史量测数据、历史异常数据以及暂存量测数据;所述风险评估装置200与所述获取装置100相连,用于存储所述获取装置100获得的所述历史量测数据、历史异常数据以及暂存量测数据。
还需要说明的是,所述量测信息可以包括影响因子触发信号、实时量测数据和关键工艺信息。
具体的,所述风险评估装置200包括:影响因子模块210,与所述获取装置100相连,用于获取所述影响因子触发信号;还用于根据所述影响因子触发信号,判断所述批次在制品是否为高风险批次在制品。
所述工艺影响因子包括:机台定期维护(Periodical Maintain,PM)、异常事件及故障信号,工艺不确定性。其中,当机台在定期维护之前,由于长时间的使用会使机台工艺的准确性下降,会使经机台处理的在制品的工艺风险较高;当机台在定期维护之后,由于定期维护的扰动,会使机台的工艺稳定性出现变化,从而使经机台处理的在制品的工艺风险较高;在制造过程中发生的异常事件以及机台、产线的各种故障会提高在制品的工艺风险;此外,在制造过程中由于各种原因会存在各种不同的工艺不确定性,工艺不确定性的存在也会使所述批次在制品的工艺风险提高。
当所述批次在制品在制造过程中出现工艺影响因子时,会形成影响因子触发信号,因此影响因子模块210根据是否存在所述影响因子触发信号判断所述批次在制品的工艺流程中是否存在工艺影响因子。当所述量测信息中存在所述影响因子触发信号时,表示所述批次在制品存在工艺影响因子,所述影响因子模块210判断所述批次在制品为高风险批次在制品。
工艺能力模块220,与所述获取装置100相连,用于获取所述实时量测数据和关键工艺信息;还用于存储历史量测数据、历史异常数据以及暂存量测数据,所述暂存量测数据为预设数量批次在制品的量测数据;所述工艺能力模块220还用于根据所述实时量测数据和关键工艺信息以及存储历史量测数据、历史异常数据和暂存量测数据,评价所述批次在制品工艺流程的工艺能力,判断所述批次在制品是否为高风险批次在制品。
需要说明的是,工艺能力模块220根据所述批次在制品工艺流程的工艺能力指数(Process Capability Index,CPK)评价所述批次在制品工艺流程的工艺能力。所述工艺能力指数用于反映工艺步骤满足产品技术要求(公差、规格等质量标准)的程度。工艺能力指数值越大,表示产品相对于技术标准的离散程度的公差范围越小,表示工艺步骤能力越强;工艺能力指数越小,表示产品相对于技术标准的离散程度的公差范围越大,表示工艺步骤的能力越强。
参考图8,示出了图7中所述工艺能力模块220的功能框图。
所述工艺能力模块220包括存储单元221,用于存储历史量测数据、历史异常数据以及暂存量测数据。
需要说明的是,所述取样量测系统用于对同类批次在制品进行取样量测,为了使所述取样量测系统对量测方案的选择能够与具体工艺表现相符,所述历史量测数据和所述暂存量测数据是通过直接存储历史量测过程中的数据而获得。
所述历史量测数据为收集一段时间(如一年)内量测数据而获得的。所以,所述存储单元221与所述获取装置100相连,用于收集所述获取装置100在历史量测过程中获得的量测数据,以获得所述历史量测数据。
所述暂存量测数据为预设数量的批次在制品的量测数据。所述存储单元221内预先设置有所述暂存量测数据的批次数量L,所述获取装置100对所述同类批次在制品最先的L批次在制品进行逐个量测,作为暂存量测数据。所述存储单元221与所述获取装置100相连,存储所述获取装置100获得的暂存量测数据。
此外,本实施例中,为了能够及时反馈工艺表现,所述取样量测系统在对同类批次在制品进行取样量测过程中,所述存储单元221与所述获取装置100相连,还用于获取所述获取装置100获得的所述实时量测数据,并根据所述实时量测数据对所述暂存量测数据进行更新。也就是说,在取样量测过程中,所述暂存数据为最近数量批次在制品的量测数据。
具体的,本实施例中,在确定产品及其制造流程时,根据所述产品及其制造流程,所述在制品批次数量L设定为30,也就是说,在生产开始后,所述获取装置100首先对前30批次在制品逐个量测以获得最初的暂存量测数据。之后在取样量测过程中,获取装置100每次获得所述实时量测数据之后,所述存储单元211均获取所述实时量测数据,并根据所述实时量测数据对所述暂存量测数据进行更新。也就是说,在取样量测过程中,所述存储单元221中存储的暂存量测数据为最近30批次在制品中第一金属层(M1)刻蚀后的关键尺寸进行量测。因此所述暂存量测数据能够实时反映工艺表现,以快速检测工艺偏离,及时了解工艺表现,降低产品报废率,提高制造良品率。
此外,所述历史异常数据是指所述批次在制品在制程过程中,所发生的异常情况(例如机台故障等会对半导体制程产生风险的状况),具体包括表示所述异常情况发生次数的异常发生次数和异常影响片数。
所述工艺能力模块220还包括实时计算单元222,与所述获取装置100相连,用于获取所述实时量测数据;与所述存储单元221相连,用于获取所述暂存量测数据;所述实时计算单元222还用于根据所述实时量测数据以及暂存量测数据,获得实时工艺能力指数CPKR。
具体的,所述实时计算单元222,与所述获取装置100相连,接收所述获取装置100获得的所述实时量测数据;与所述存储单元221相连,读取所述暂存量测数据;所述实时计算单元222基于所述实时量测数据以及暂存量测数据,获得实时工艺能力指数CPKR。
本实施例中,所述实时计算单元222根据所述获取装置100获得的所述批次在制品中刻蚀后第一金属层的关键尺寸以及之前30个批次在制品中刻蚀后第一金属层的关键尺寸获得所述实时工艺能力指数CPKR。需要说明的是,所述实时工艺能力指数CPKR的具体计算方法与现有技术中工艺能力指数CPK的计算方法相同,本发明在此不再赘述。
参考计算单元223,与所述获取装置100相连,用于获取所述关键工艺信息;与所述存储单元221相连,用于获取历史量测数据以及历史异常数据;所述参考计算单元223还用于根据关键工艺信息、历史量测数据以及历史异常数据获得参考工艺能力指数CPKREF。
所述参考工艺能力指数CPKREF是根据历史量测数据,并结合相关工艺步骤以及工艺步骤的异常情况进行分析而获得的参考基准值。
需要说明的是,所述历史异常数据包括异常发生次数和异常影响片数。
具体的,所述参考计算单元223包括:历史指数计算器223e与所述存储单元221相连,用于获取所述历史量测数据,并根据所述历史量测数据获得历史工艺能力指数CPKH。
具体的,所述历史指数计算器223e与所述存储单元221相连,读取所述存储单元221储存的历史量测数据;还用于根据所述历史量测数据获得历史工艺能力指数CPKH。
本实施例中,所述历史量测数据为一年内所获得的刻蚀后金属层的关键尺寸,根据所述历史量测数据获得所述历史工艺能力指数CPKH为1.5。需要说明的是,所述历史工艺能力指数CPKH的具体计算方法与现有技术中工艺能力指数CPK的计算方法相同,本发明在此不再赘述。
所述参考计算单元223还包括:工艺权重设定器223a,与所述获取装置100相连,用于获取所述关键工艺信息;还用于根据所述关键工艺信息,设定工艺权重因子,所述工艺权重因子用于表示与所述实时量测数据相对应的工艺是否为关键工艺。
所述关键工艺信息为基于技术控制计划(Technology Control Plan,TCP)和失效模式及后果分析(Failure Mode and Effects Analysis,FMEA)定义所述批次在制品中对产品工艺及质量影响较大的膜层为关键膜层(Key Layer)。当所量测的膜层为关键膜层时,与所述实时量测数据相对应的工艺为关键工艺。
所述工艺权重设定器223a中预先设置有数值不等的第一工艺权重因子与第二工艺权重因子。所述工艺权重设定器223a根据所述关键工艺信息,判断与所述实时量测数据相对应的工艺是否为关键工艺,在判断与所述实时量测数据相对应的工艺为关键工艺时,设定工艺权重因子K1为第一工艺权重因子,在判断所述批次在制品不具有关键工艺时,设定工艺权重因子K1为第二工艺权重因子。
当与所述实时量测数据相对应的工艺为关键工艺时,所述工艺能力对所述批次在制品的良品率影响更大,所以第一工艺权重因子大于所述第二工艺权重因子。具体的,所述第一工艺权重因子比所述第二工艺权重因子大10%到20%。本实施例中,所述第二工艺权重因子为1,所述第一工艺权重因子为1.1。
本实施例中,刻蚀后的第一金属层为关键膜层,也就是说,所述第一金属层的刻蚀工艺为关键工艺,因此所述工艺权重设定器223a设定所述工艺权重因子K1为1.1。
次数权重设定器223b,与所述存储单元221相连,用于获取所述异常发生次数;还用于根据所述异常发生次数,设定次数权重因子,所述次数权重因子用于表示所述批次在制品制造过程中发生异常情况的次数对所述工艺能力的影响。
所述次数权重设定器223b中预先设置有第一次数和第二次数,其中第一次数小于所述第二次数,当所述异常情况发生次数少于或等于所述第一次数表示所述在制品制程中异常情况极少发生;当所述异常情况发生次数多余所述第二次数时表示所述在制品制程中异常情况经常发生。
具体的,所述次数权重设定器223b通过比较所述异常发生次数与所述第一次数、所述第二次数的相对大小,判断所述批次在制品制程中异常情况发生的频繁情况,异常情况发生越频繁,异常情况对所述工艺能力的影响越大,所述次数权重设定器223b设定所述次数权重因子K2越大。
当所述异常发生次数小于或等于所述第一次数时,所述次数权重设定器223b设定次数权重因子K2为预设的第一次数权重因子;当所述异常发生次数大于所述第一次数,而小于或等于第二次数,所述次数权重设定器223b设定次数权重因子K2为预设的第二次数权重因子;当所述异常发生次数大于所述第二次数时,所述次数权重设定器223b设定次数权重因子K2为预设的第三次数权重因子。所述第一次数权重因子小于所述第二次数权重因子,所述第二次数权重因子小于所述第三次数权重因子。具体的,所述第二次数权重因子可以为1,所述第一次数权重因子可以比所述第二次数权重因子小10%到20%,所述第三次数权重因子可以比所述第二次数权重因子大10%到20%。
本实施例中,所述次数权重设定器223b中预先设定的所述第一次数为0次,所述第二次数为3次;所述第二次数权重因子为1,所述第一次数权重因子为0.9,所述第三次数权重因子为1.1。
具体的,本实施例中,所述批次在制品制程中异常情况发生的次数为2次,也就是说,所述批次在制品制程中异常情况偶尔发生,因此所述次数权重设定器223b设定次数权重因子K2为1。
片数权重设定元件223c,与所述存储单元221相连,用于获取所述异常影响片数;根据所述异常影响片数,设定片数权重因子,所述片数权重因子用于表征所述批次在制品制造过程中异常情况发生影响晶圆片数对所述工艺能力的影响。
所述片数权重设定器223c中预先设置有第一片数和第二片数,其中第一片数小于所述第二片数,当所述异常影响片数小于或等于所述第一片数时表示所述批次在制品制程中所发生的异常情况的影响范围较小;当所述异常影响片数大于或等于所述第二片数时表示所述批次在制品制程中所发生的异常情况的影响范围较大。
具体的,所述片数权重设定器223c通过比较所述异常影响片数与所述第一片数、所述第二片数的相对大小,判断所述批次在制品制程中发生异常情况的影响范围,影响范围越大,异常情况对所述工艺能力的影响越大,所述片数权重设定器223c设定所述片数权重因子K3越大。
当所述异常影响片数小于或等于所述第一片数时,所述片数权重设定器223c设定所述片数权重因子K3为预设的第一片数权重因子;当所述异常影响片数大于所述第一片数,而小于第二片数时,所述片数权重设定器223c设定所述片数权重因子K3为预设的第二片数权重因子;当所述异常影响片数大于或等于所述第二片数时,所述片数权重设定器223c设定所述片数权重因子K3为预设的第三片数权重因子。所述第一片数权重因子小于所述第二片数权重因子,所述第二片数权重因子小于所述第三片数权重因子。具体的,所述第二片数权重因子可以为1,所述第一片数权重因子可以比所述第二片数权重因子小10%到20%,所述第三片数权重因子可以比所述第二片数权重因子大10%到20%。
本实施例中,所述片数权重设定器223c中预先设定的所述第一片数为25片,所述第二片数为200片;所述第二片数权重因子为1,所述第一片数权重因子为0.9,所述第三片数权重因子为1.1。
具体的,本实施例中,所述批次在制品制程中所述异常情况所影响的硅片数量为300片,即异常影响片数为300,也就是说,所述批次在制品制程中异常情况的影响较大,因此所述片数权重设定器223c设定片数权重因子K3为1.1。
需要说明的是,所述次数权重设定器223b中预先设定的第一次数和第二次数以及所述片数权重设定器223c中预先设定的第一片数和第二片数与所述批次在制品及其具体工艺流程以及与机台工艺能力、产线工艺能力等具体情况相关。本实施例中所采用的具体设定仅为示例,本发明对此不做限制。
此外,还需要说明的是,所述次数权重设定器223b中预先设定的所述第一次数权重因子、第二次数权重因子和第三次数权重因子,以及所述片数权重设定器223c中预先设定的第一片数权重因子、第二片数权重因子和第三片数权重因子的具体大小与所述批次在制品及其具体工艺流程以及机台工艺能力、产线工艺能力等具体情形相关。本实施例中,所采用的具体设置仅为示例,本发明对此也不做限定。
所述参考计算单元223还包括:权重整合器223d,与所述工艺权重设定器223a相连,接收所述工艺权重因子K1;与所述次数权重设定器223b相连,接收所述次数权重因子K2;与所述片数权重设定器223c相连,接收所述片数权重因子K3;所述权重整合器223d还用于根据所述工艺权重因子K1、所述次数权重因子K2以及所述片数权重因子K3,获得工艺能力调整因子K。
所述工艺能力调整因子K用于表示机台、产线等工艺能力的变化对所述批次在制品工艺流程工艺能力的影响。具体的,可以通过所述工艺权重因子K1、所述次数权重因子K2以及所述片数权重因子K3相乘获得工艺能力调整因子K。
具体的,所述权重整合器223d与所述工艺权重设定器223a相连,接收所述工艺权重设定器223a设定的所述工艺权重因子K1;与所述次数权重设定器223b相连,接收所述次数权重设定器223b设定的次数权重因子K2;与所述片数权重设定器223c相连,接收所述片数权重设定器223c设定片数权重因子K3;所述权重整合器2123d还用于根据所述工艺权重因子K1、所述次数权重因子K2以及所述片数权重因子K3的乘积获得工艺能力调整因子K。
本实施例中,所述工艺权重设定器223a设定的所述工艺权重因子K1为1.1;所述次数权重设定器223b设定的次数权重因子K2为1;所述片数权重设定器223c设定片数权重因子K3为1.1。因此所述权重整合器223d获得所述工艺能力调整因子K为1.1×1×1.1=1.21。
所述参考计算单元223还包括:参考指数计算器223f,与所述历史指数计算器223e相连,获得所述历史工艺能力指数CPKH;与所述权重整合器223d相连,获得所述工艺能力调整因子K;所述参考指数计算器223f还用于根据所述工艺能力调整因子K和所述历史工艺能力指数CPKH,获得参考工艺能力指数CPKREF,所述参考工艺能力指数CPKREF用于评价所述批次在制品工艺流程的工艺能力。
具体的,所述参考指数计算器223f,与所述历史指数计算器223e相连,接收所述历史指数计算器223e获得的所述历史工艺能力指数CPKH;与所述权重整合器223d相连,接收所述权重整合器223d获得的所述工艺能力调整因子K;所述参考指数计算器223f还用于根据所述工艺能力调整因子K和所述历史工艺能力指数CPKH的乘积获得参考工艺能力指数CPKREF。参考工艺能力指数CPKREF作为所述量测系统的参考基准值,用于评价所述批次在制品工艺流程的工艺能力。
具体的,本实施例中,所述历史指数计算器223e获得的所述历史工艺能力指数CPKH为1.5;所述权重整合器223d获得的工艺能力调整因子K为1.21。因此,所述参考指数计算器223f获得所述参考工艺能力指数CPKREF为1.5×1.21=1.815。
所述工艺能力模块220还包括:评价判断单元224,与所述实时计算单元7222相连,以获取实时工艺能力指数CPKR;与所述参考计算单元223相连,以获取参考工艺能力指数CPKREF;所述评价判断单元224还用于比较所述实时工艺能力指数CPKR与所述参考工艺能力指数CPKREF的相对大小,并根据所述实时工艺能力指数CPKR与所述参考工艺能力指数CPKREF的相对大小,评价所述批次在制品工艺流程的工艺能力,判断所述批次在制品是否为高风险批次在制品。
所述评价判断单元224与所述实时计算单元222相连,接收所述实时计算单元222获得的实时工艺能力指数CPKR;与所述参考计算单元223相连,接收所述参考计算单元223获得的所述参考工艺能力指数CPKREF;评价判断单元224还用于比较所述实时工艺能力指数CPKR和所述参考工艺能力指数CPKREF的相对大小,评价所述批次在制品工艺流程的工艺能力。
具体的,当在所述实时工艺能力指数CPKR大于所述参考工艺能力指数CPKREF时,所述评价判断单元224判断所述批次在制品工艺流程的工艺能力较强,判断所述批次在制品不是高风险批次在制品;当在所述实时工艺能力指数CPKR小于所述参考工艺能力指数CPKREF时,所述评价判断单元224判断所述批次在制品工艺流程的工艺能力较弱,判断所述批次在制品为高风险批次在制品。
继续参考图7,所述取样量测系统还包括:方案选择装置300,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率;与所述风险评估装置200相连,用于获取所述风险评估装置200对所述批次在制品工艺风险的评估结果;所述方案选择装置300用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置300还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
具体的,所述方案选择装置300包括:
方案存储模块310,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率。
在确定产品及其制造流程的初始阶段,在所述方案存储模块310中预先设定第一量测方案和第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率。所述取样量测系统可以根据所述批次在制品的工艺风险高低,选择采用不同采样率的量测方案,能够兼顾缩短产品生产周期和及时反馈工艺表现的要求。
具体的,本实施例中,所述第一量测方案中取样率比所述第二量测方案中取样率大10%到20%,而所述第二量测方案中的取样率为现有技术中常规采样率的60%到80%,当所述批次在制品风险较低时,所述取样量测系统可以采用第一量测方案对所述批次在制品进行采样量测,能够大量减小量测次数,提高量测效率,缩短产品生产周期;当所述批次在制品风险较高时,所述取样量测系统可以采用第二量测方案对所述批次在制品进行采样量测,增大采样率能够及时了解工艺表现,降低产品报废率,提高制造良品率。
方案选择模块320,与所述方案存储模块310相连,用于获取所述第一量测方案和所述第二量测方案;与所述风险评估装置200相连,用于获取所述批次在制品工艺风险的评估结果;方案选择模块320还用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置320还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
具体的,所述方案选择模块320与所述方案存储模块310相连,用于读取所述方案存储模块310中预存的所述第一量测方案和所述第二量测方案;所述方案选择模块320与所述分析评估装置200相连,用于接收所述风险评估装置200对所述批次在制品工艺风险的评估结果,在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足。
需要说明的是,在判断所述批次在制品是高风险批次在制品时,需要提高采样率以及时反馈工艺表现。但是随着取样率的提高,对于量测工艺步骤的产能要求也随之提高,如果量测工艺步骤的产能无法满足所述取样率的要求,则会造成所述批次在制品在所述量测工艺步骤前大量排队,使在制品数量增大,造成产品生产周期延长。
因此,所述方案选择模块320还包括用于判断量测产能是否充足的产能判断器321,所述产能判断器321用于获取待量测批次在制品的排队长度,比较所述排队长度与产能预设值的相对大小,在所述排队长度小于所述产能预设值时,判断量测产能充足。
在确定产品及其制造流程的初始阶段,在所述产能判断器321中预先设置所述产能预设值。所述产能判断器321用于获取待量测批次在制品的排队长度,比较所述排队长度与产能预设值的相对大小,在所述排队长度小于所述产能预设值时,判断量测产能充足;在所述排队长度大于所述产能预设值时,判断量测产能不足。
所述方案选择模块320在所述产能判断器321判断所述量测产能充足时,选择采用第一量测方案,增加取样率以及时了解工艺表现,降低产品报废率,提高制造良品率;在所述产能判断器321判断所述量测产能不足时,选择采用第二量测方案,避免增加量测工艺负载,避免所述批次在制品在所述量测步骤前大量排队,避免出现在制品堆积。
此外,所述方案选择模块320还用于在所述风险评估装置200判断所述批次在制品不是高风险批次在制品时,选择采用第二量测方案,以减小量测次数,提高量测效率。
还需要说明的是,所述取样量测系统还包括提醒装置400,用于在所述方案选择装置300,选择采用第一量测方案时,产生提醒信号。
具体的,所述提醒信号可以包括提醒邮件。提醒装置400通过发送提醒邮件以提醒相关工程师及时采取改进措施,避免工艺问题扩大,降低产品报废率,提高制造良品率,还可以降低后续批次在制品的工艺风险,缩短后续批次在制品取样率,缩短产品生产周期。
综上,本发明通过预先设定第一量测方案和第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率,在判断所述批次在制品是高风险批次在制品,并且判断量测产能充足时,采用取样率较大的第一量测方案,能够及时了解工艺表现,降低产品报废率,提高制造良品率;在判断所述批次在制品不是高风险批次在制品,或者判断量测产能不足时,采用取样率较小的第二量测方案,以缩短产品生产周期。因此本发明可以基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估。根据所述批次在制品的工艺风险高低,选择采用不同采样率的量测方案,能够兼顾缩短产品生产周期和及时反馈工艺表现的要求。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (20)
1.一种取样量测方法,其特征在于,包括:
获取批次在制品,并根据所述批次在制品获取所述批次在制品的量测信息;
基于所述批次在制品的量测信息,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;
在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足;
在判断所述量测产能充足时,采用预设的第一量测方案;
在判断所述量测产能不足时,采用预设的第二量测方案;
在判断所述批次在制品不是高风险批次在制品时,采用所述第二量测方案;
所述第一量测方案中取样率大于所述第二量测方案中的取样率。
2.如权利要求1所述的取样量测方法,其特征在于,获取所述批次在制品的步骤之前,所述取样量测方法还包括:获取并存储历史量测数据、历史异常数据以及暂存量测数据,所述历史异常数据包括异常发生次数和异常影响片数,所述暂存量测数据为预设数量批次在制品的量测数据。
3.如权利要求2所述的取样量测方法,其特征在于,所述量测信息包括影响因子触发信号、实时量测数据和关键工艺信息,对所述批次在制品进行工艺风险评估的步骤包括:
根据所述影响因子触发信号判断所述批次在制品的工艺流程中是否存在工艺影响因子,在所述批次在制品的工艺流程中存在工艺影响因子时,判断所述批次在制品为高风险批次在制品;
在所述批次在制品的工艺流程中不存在工艺影响因子时,根据历史量测数据、历史异常数据以及暂存量测数据,结合所述实时量测数据和关键工艺信息,评价所述批次在制品工艺流程的工艺能力,判断所述批次在制品是否为高风险批次在制品。
4.如权利要求3所述的取样量测方法,其特征在于,评价所述批次在制品工艺流程的工艺能力的步骤包括:
根据所述实时量测数据和暂存量测数据,获得实时工艺能力指数;
根据所述历史量测数据和历史异常数据,结合关键工艺信息,获得参考工艺能力指数;
比较所述实时工艺能力指数和参考工艺能力指数的相对大小,以评价所述批次在制品工艺流程的工艺能力。
5.如权利要求4所述的取样量测方法,其特征在于,获得参考工艺能力指数的步骤包括:
根据所述关键工艺信息,设定工艺权重因子,所述工艺权重因子用于表示与所述实时量测数据相对应的工艺是否为关键工艺;
根据所述异常发生次数,设定次数权重因子,所述次数权重因子用于表示所述批次在制品制造过程中发生异常情况的次数对所述工艺能力的影响;
根据所述异常影响片数,设定片数权重因子,所述片数权重因子用于表征所述批次在制品制造过程中异常情况发生影响晶圆片数对所述工艺能力的影响;
根据所述工艺权重因子、所述次数权重因子以及所述片数权重因子,获得工艺能力调整因子;
根据所述历史量测数据获得历史工艺能力指数;
根据所述工艺能力调整因子和所述历史工艺能力指数,获得参考工艺能力指数,所述参考工艺能力指数用于评价所述批次在制品工艺流程的工艺能力。
6.如权利要求1所述的取样量测方法,其特征在于,判断量测产能是否充足的步骤包括:
获取待量测的批次在制品的排队长度;
比较所述排队长度与产能预设值的相对大小;
在所述排队长度大于所述产能预设值时,判断所述量测产能不足;在所述排队长度小于所述产能预设值时,判断所述量测产能充足。
7.如权利要求2所述的取样量测方法,其特征在于,获取暂存量测数据的步骤包括:
设定暂存量测数据的批次数量;
对所述批次数量的批次在制品进行量测,获得实时量测数据,作为暂存量测数据。
8.如权利要求7所述的取样量测方法,其特征在于,所述取样量测方法用于对同类批次在制品进行取样量测;
对所述批次数量的批次在制品进行量测的步骤包括:对所述同类批次在制品最先的批次数量在制品进行逐个量测,以获得所述暂存量测数据。
9.如权利要求8所述的取样量测方法,其特征在于,获得所述暂存量测数据的步骤还包括根据所述实时量测数据对所述暂存量测数据进行更新。
10.如权利要求1所述的取样量测方法,其特征在于,在采用预设的第一量测方案时,所述量测方法还包括:产生提醒信号。
11.一种取样量测系统,其特征在于,包括:
获取装置,用于获取批次在制品,并根据所述批次在制品,获得所述批次在制品的量测信息;
风险评估装置,与所述获取装置相连,用于获取所述批次在制品的量测信息;用于存储历史量测数据、历史异常数据以及暂存量测数据;所述风险评估装置还用于基于所述批次在制品的量测信息,结合历史量测数据、历史异常数据以及暂存量测数据,对所述批次在制品进行工艺风险评估,以判断所述批次在制品是否为高风险批次在制品;
方案选择装置,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率;与所述风险评估装置相连,用于获取所述风险评估装置对所述批次在制品工艺风险的评估结果;
所述方案选择装置用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
12.如权利要求11所述的取样量测系统,其特征在于,所述获取装置还用于获得历史量测数据、历史异常数据以及暂存量测数据;
所述风险评估装置与所述获取装置相连,用于存储所述获取装置获得的所述历史量测数据、历史异常数据以及暂存量测数据。
13.如权利要求11所述的取样量测系统,其特征在于,所述量测信息包括影响因子触发信号、实时量测数据和关键工艺信息;
所述风险评估装置包括:
影响因子模块,与所述获取装置相连,用于获取所述影响因子触发信号;还用于根据所述影响因子触发信号,判断所述批次在制品是否为高风险批次在制品;
工艺能力模块,与所述获取装置相连,用于获取所述实时量测数据和关键工艺信息;还用于存储历史量测数据、历史异常数据以及暂存量测数据;所述工艺能力模块还用于根据历史量测数据、历史异常数据以及暂存量测数据,结合所述实时量测数据和关键工艺信息,评价所述批次在制品工艺流程的工艺能力,判断所述批次在制品是否为高风险批次在制品。
14.如权利要求13所述的取样量测系统,其特征在于,所述工艺能力模块包括:
存储单元,用于存储历史量测数据、历史异常数据以及暂存量测数据;
实时计算单元,与所述获取装置相连,用于获取所述实时量测数据;与所述存储单元相连,用于获取所述暂存量测数据;所述实时计算单元还用于根据所述实时量测数据以及暂存量测数据,获得实时工艺能力指数;
参考计算单元,与所述获取装置相连,用于获取所述关键工艺信息;与所述存储单元相连,用于获取历史量测数据以及历史异常数据;所述参考计算单元还用于根据关键工艺信息、历史量测数据以及历史异常数据获得参考工艺能力指数;
评价判断单元,与所述实时计算单元相连,以获取实时工艺能力指数;与所述参考计算单元相连,以获取参考工艺能力指数;所述评价判断单元还用于比较所述实时工艺能力指数与所述参考工艺能力指数的相对大小,并根据所述实时工艺能力指数与所述参考工艺能力指数的相对大小,评价所述批次在制品工艺流程的工艺能力,判断所述批次在制品是否为高风险批次在制品。
15.如权利要求14所述的取样量测系统,其特征在于,所述取样量测系统用于对同类批次在制品进行取样量测;所述暂存量测数据为预设数量批次在制品的量测数据;
所述存储单元内预先设置有所述暂存量测数据的批次数量;
所述获取装置用于对所述同类批次在制品最先的批次在制品进行逐个量测,作为暂存量测数据;
所述存储单元与所述获取装置相连,存储所述获取装置获得的暂存量测数据。
16.如权利要求15所述的取样量测系统,其特征在于,所述存储单元与所述获取装置相连,还用于获取所述实时量测数据,并根据所述实时量测数据对所述暂存量测数据进行更新。
17.如权利要求14所述的取样量测系统,其特征在于,所述历史异常数据包括异常发生次数和异常影响片数;
所述参考计算单元包括:
历史指数计算器,与所述存储单元相连,用于获取所述历史量测数据,并根据所述历史量测数据获得历史工艺能力指数;
工艺权重设定器,与所述获取装置相连,用于获取所述关键工艺信息;还用于根据所述关键工艺信息,设定工艺权重因子,所述工艺权重因子用于表示与所述实时量测数据相对应的工艺是否为关键工艺;
次数权重设定器,与所述存储单元相连,用于获取所述异常发生次数;还用于根据所述异常发生次数,设定次数权重因子,所述次数权重因子用于表示所述批次在制品制造过程中发生异常情况的次数对所述工艺能力的影响;
片数权重设定器,与所述存储单元相连,用于获取所述异常影响片数;根据所述异常影响片数,设定片数权重因子,所述片数权重因子用于表征所述批次在制品制造过程中异常情况发生影响晶圆片数对所述工艺能力的影响;
权重整合器,与所述工艺权重设定器相连,接收所述工艺权重因子;与所述次数权重设定器相连,接收所述次数权重因子;与所述片数权重设定器相连,接收所述片数权重因子;所述权重整合器还用于根据所述工艺权重因子、所述次数权重因子以及所述片数权重因子,获得工艺能力调整因子;
参考指数计算器,与所述历史指数计算器相连,获得所述历史工艺能力指数;与所述权重整合器相连,获得所述工艺能力调整因子;所述参考指数计算器还用于根据所述工艺能力调整因子和所述历史工艺能力指数,获得参考工艺能力指数,所述参考工艺能力指数用于评价所述批次在制品工艺流程的工艺能力。
18.如权利要求11所述的取样量测系统,其特征在于,所述方案选择装置包括:
方案存储模块,用于存储预先设置的第一量测方案或第二量测方案,所述第一量测方案中取样率大于所述第二量测方案中的取样率;
方案选择模块,与所述方案存储模块相连,用于获取所述第一量测方案和所述第二量测方案;与所述风险评估装置相连,用于获取所述批次在制品工艺风险的评估结果;方案选择模块还用于在判断所述批次在制品是高风险批次在制品时,判断量测产能是否充足,在判断所述量测产能充足时,采用所述第一量测方案;在判断所述量测产能不足时,采用所述第二量测方案;所述方案选择装置还用于在判断所述批次在制品不是高风险批次在制品时,选择采用所述第二量测方案。
19.如权利要求18所述的取样量测系统,其特征在于,方案选择模块包括:用于判断量测产能是否充足的产能判断器,所述产能判断器用于获取待量测批次在制品的排队长度,比较所述排队长度与产能预设值的相对大小,在所述排队长度小于所述产能预设值时,判断量测产能充足。
20.如权利要求11所述的取样量测系统,其特征在于,所述取样量测系统还包括:提醒装置,用于在所述方案选择装置选择采用第一量测方案时,产生提醒信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610006634.7A CN106952842B (zh) | 2016-01-06 | 2016-01-06 | 取样量测系统及其取样量测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610006634.7A CN106952842B (zh) | 2016-01-06 | 2016-01-06 | 取样量测系统及其取样量测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106952842A CN106952842A (zh) | 2017-07-14 |
CN106952842B true CN106952842B (zh) | 2019-09-27 |
Family
ID=59465588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610006634.7A Active CN106952842B (zh) | 2016-01-06 | 2016-01-06 | 取样量测系统及其取样量测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106952842B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108054113B (zh) * | 2017-12-22 | 2021-01-12 | 武汉新芯集成电路制造有限公司 | 一种抽样检测方法 |
CN108711560B (zh) * | 2018-05-18 | 2020-06-16 | 武汉新芯集成电路制造有限公司 | 一种晶圆键合工艺的改进方法 |
CN111401738A (zh) * | 2020-03-16 | 2020-07-10 | 上海华力微电子有限公司 | 一种突发下货产品的工艺风险评估方法及评估系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637617A (zh) * | 2012-05-09 | 2012-08-15 | 上海宏力半导体制造有限公司 | 晶圆质量检测系统以及晶圆质量检测方法 |
CN103943523A (zh) * | 2013-01-21 | 2014-07-23 | 中芯国际集成电路制造(上海)有限公司 | 半导体生产过程中的抽样量测方法 |
CN104134623A (zh) * | 2014-08-01 | 2014-11-05 | 上海华力微电子有限公司 | 量测群组设备及量测方法 |
CN104217970A (zh) * | 2013-06-05 | 2014-12-17 | 中芯国际集成电路制造(上海)有限公司 | 采样量测方法和系统 |
CN104867840A (zh) * | 2014-02-20 | 2015-08-26 | 中芯国际集成电路制造(上海)有限公司 | Ye在线检测管控方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346470B2 (en) * | 2003-06-10 | 2008-03-18 | International Business Machines Corporation | System for identification of defects on circuits or other arrayed products |
-
2016
- 2016-01-06 CN CN201610006634.7A patent/CN106952842B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637617A (zh) * | 2012-05-09 | 2012-08-15 | 上海宏力半导体制造有限公司 | 晶圆质量检测系统以及晶圆质量检测方法 |
CN103943523A (zh) * | 2013-01-21 | 2014-07-23 | 中芯国际集成电路制造(上海)有限公司 | 半导体生产过程中的抽样量测方法 |
CN104217970A (zh) * | 2013-06-05 | 2014-12-17 | 中芯国际集成电路制造(上海)有限公司 | 采样量测方法和系统 |
CN104867840A (zh) * | 2014-02-20 | 2015-08-26 | 中芯国际集成电路制造(上海)有限公司 | Ye在线检测管控方法 |
CN104134623A (zh) * | 2014-08-01 | 2014-11-05 | 上海华力微电子有限公司 | 量测群组设备及量测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106952842A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10409231B2 (en) | Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology | |
CN106952842B (zh) | 取样量测系统及其取样量测方法 | |
CN106919127B (zh) | 一种基于软件虚拟技术的物料料位检测方法 | |
JP2017521670A (ja) | 秤量スケール診断方法 | |
EP4075354A1 (en) | Anomaly detection method and system for manufacturing processes | |
CN104867840A (zh) | Ye在线检测管控方法 | |
US8756028B2 (en) | Fault detection method of semiconductor manufacturing processes and system architecture thereof | |
JP2006148070A (ja) | センサデータの補正方法及びインターロックシステムのインターロック評価方法 | |
JPWO2019003404A1 (ja) | 非定常検出装置、非定常検出システム、および非定常検出方法 | |
US20140278234A1 (en) | Method and a system for a statistical equivalence test | |
CN112989550A (zh) | 虚拟量测方法、装置及计算机可读存储介质 | |
US8793106B2 (en) | Continuous prediction of expected chip performance throughout the production lifecycle | |
CN109213057B (zh) | 智能诊断装置和方法 | |
CN102840904A (zh) | 一种生产过程中计量秤准确度的监控方法 | |
JP2020047078A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
EP2631724B1 (en) | Method for measuring health index of plant in which state of lower component is reflected, and computer-readable storage medium in which program for performing the method is stored | |
CN104133437B (zh) | 连续型化工装置及其绩效指标实时评价方法和装置 | |
CN114820601B (zh) | 目标图像的更新方法及系统、晶圆检测方法和计算机设备 | |
CN113188642A (zh) | 一种用于物料称重的自诊断装置及其控制方法 | |
JP2012014222A (ja) | センサ状態判定装置 | |
JP2009099960A (ja) | 品質管理方法、半導体装置の製造方法及び品質管理システム | |
US11636001B2 (en) | Method and system for determining an error threshold value for machine failure prediction | |
TWI297506B (en) | Method and system for virtual metrology prediction for quality control in semiconductor manufacture | |
CN108054113B (zh) | 一种抽样检测方法 | |
JP2020024565A (ja) | 整備管理装置、整備管理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |